2025年Amazon AIF-C01 中文题库_aif-c01 题库-优快云博客

1、公司每个季度都会进行预测以决定如何优化运营以满足预期需求。该公司使用 ML 模型进行这些预测。AI从业者正在撰写有关经过训练的 ML模型的报告，以便为公司利益相关者提供透明度和可解释性。AI从业者应在报告中包括哪些内容才能满足透明度和可解释性要求? B

A. 模型训练代码

B. 部分依赖图(PDP)

C. 用于训练的样本数据

D. 模型收敛表

对于机器学习模型的透明度和可解释性，部分依赖图（PDP）能够展示输入特征与预测结果之间的关系，帮助非技术背景的利益相关者理解模型行为。

2、一家律师事务所希望使用大型语言模型(LLM)构建 AI应用程序。该应用程序将读取法律文件并从文件中提取关键点。哪种解决方案满足这些要求? C

A.构建自动命名实体识别系统

B.杺寇创建推荐引擎。

C.开发摘要聊天机器人。

D.开发多语言翻译系统

构建AI应用程序读取法律文件并提取关键点的需求，核心在于将长文本内容浓缩为关键信息。摘要聊天机器人（选项C）的核心功能是通过自然语言处理技术生成文本的简洁摘要，符合直接提取文件核心内容的要求。

3、一家公司希望根据基因特征将人类基因分为 20 个类别。该公司需要一种 ML 算法来记录模型的内部机制如何影响输出。哪种 ML 算法满足这些要求? A

A.决策树

B. 线性回归

C. Logistic 回归

D. 神经网络

决策树：决策树算法能够根据输入特征将数据集划分为不同的类别，非常适合分类问题。它不仅可以用于分类，而且能够生成可理解的树状模型，便于理解模型内部机制如何影响输出。

4、一家公司建立了一个图像分类单选模型，从植物叶子的照片中预测植物病害。该公司希望评估模型正确分类的图像数量。公司应该使用哪个评估指标来衡量模型的性能? B

A.R 平方分数

B.准确性

C.均方根误差(RMSE)

D.学习率

评估分类模型性能时，准确性直接衡量正确预测的比例，计算公式为正确分类样本数除以总样本数。题干中需衡量“正确分类的图像数量”，准确性直接对应这一需求。

5、一家公司正在使用预先训练的单选大型语言模型(LLM)构建用于产品推荐的聊天机器人。该公司需要 LLM 输出简短并以特定语言编写。哪种解决方案将使 LLM 响应质量与公司的期望保持一致? A

A.调整提示。

B.选择不同大小的 LLM。

C.提高温度。

D.增加 Top K值。

调整提示可以直接影响大型语言模型输出的格式和语言。通过在输入提示中明确指定要求（如“用简短的法语回答”），模型能更精准地生成符合预期的结果。

6、一家公司在生产环境中将 Ama单选zon SageMaker 用于其 ML管道。该公司的输入数据大小高达1GB，处理时间长达1小时。该公司需要近乎实时的延迟哪个 SageMaker 推理选项满足这些要求? C

A.实时推理

B.无服务器推理

C.异步推理

D.批量转换

Amazon SageMaker 的异步推理适用于处理大输入数据（如 1 GB）且处理时间较长（如 1 小时）的场景，允许用户提交请求后异步获取结果。

7、一家公司正在使用特定于域的模型。该公司希望避免从一开始就创建新模型。相反，该公司希望调整预先训练的模型，以便为新的相关任务创建模型。哪种 ML策略满足这些要求? B

A、增加 epoch 的数量。

B、使用迁移学习。

C、减少 epoch 的数量。

D、使用无监督学习

迁移学习涉及利用预训练模型的知识，通过调整其参数来适应新任务，避免从头训练。

8、一家公司正在构建一个解决方案，用于生成防护眼镜的图像。该解决方案必须具有较高的准确性，并且必须将注释不正确的风险降至最低。"哪种解决方案将满足这些要求? A

A、使用 Amazon SageMaker GroundTruth Plus 进行人机交互验证

B、使用 Amazon Bedrock知识库进行数据增强

C、使用 Amazon Rekognition 进行图像识别

D、使用 Amazon QuickSight Q 进行数据摘要

Amazon SageMaker Ground Truth Plus专注于数据标注流程，通过人机协同验证机制确保标签质量，直接解决标注准确性和错误风险问题。

9、一家公司希望在 Amazon Bedrock上使用基础模型(FM)创建聊天机器人。FM 需要访问存储在 Amazon S3存储桶中的加密数据。数据使用 AmazonS3托管式密钥(SSE-S3)进行加密。FM 在尝试访问 S3 存储桶数据时遇到故障。哪种解决方案将满足这些要求? A

A、确保 Amazon Bedrock 代入的角色有权使用正确的加密密钥解密数据。

B、设置 S3 存储桶的访问权限以允许公有访问，以允许通过 Internet进行访问。

C、使用提示工程技术告诉模型在 Amazon S3 中查找信息。

D、确保 S3 数据不包含敏感信息。

Amazon Bedrock 服务访问加密的 Amazon S3 数据需要显式授权。SSE-S3 加密使用 S3 托管的密钥，但服务角色仍需具备解密的权限。根据 AWS 权限模型，访问加密资源的服务角色必须拥有对应加密操作的权限策略。选项 A 正确解决了角色权限缺失问题。

10、一家公司希望使用语言模型创建用于边缘设备推理的应用程序。推理必须具有尽可能低的延迟。哪种解决方案将满足这些要求? A

A、在边缘设备上部署优化的小语言模型 (SLM)。

B、在边缘设备上部署优化的大型语言模型(LLM)。

C、合并集中式小语言模型 (SLM)API，用于与边缘设备进行异步通信。

D、整合集中式大型语言模型(LLM)API，用于与边缘设备进行异步通信。

边缘设备通常受限于计算资源和处理能力，延迟优化需要最小化计算量和减少数据传输。优化后的小语言模型（SLM）体积小、推理速度快，适合部署在本地边缘设备直接处理任务。

11、一家公司希望使用 Amazon SageMaker构建 ML模型。该公司需要在多个团队之间共享和管理模型开发的变量。哪些 SageMaker 功能满足这些要求? A

Amazon SageMaker Feature Store
Amazon SageMaker 数据管理员
亚马逊 SageMaker Clarify
Amazon SageMaker 模型卡

Amazon SageMaker Feature Store 专为机器学习特征存储和管理设计，支持跨团队共享和版本控制。此服务允许不同团队在模型开发过程中重复使用特征，确保一致性和效率。

12、一家公司希望使用生成式 AI来提高开发人员的工作效率和软件开发该公司希望使用 Amazon Q Developer。Amazon Q Developer可以做些什么来助公司满足这些要求? A

创建软件片段、参考文献跟踪和开源许可证跟踪。
在不配置或管理服务器的情况下运行应用程序。
启用语音命令以进行编码和提供自然语言搜索。
使用 ML模型将音频文件转换为文本文档。

Amazon Q Developer专为提升软件开发效率设计。其功能包括生成代码片段，协助开发者快速构建应用；跟踪参考文献，确保代码引用正确性；管理开源许可证，帮助合规使用第三方库。

13、一家金融机构正在使用 Amazon Bedrock 开发 AI应用程序。应用程序托管在 VPC中。为了满足法规合规性标准，不允许 VPC访问任何 Internet 流量。哪种 AWS 服务或功能将满足这些要求? A

A. AWS PrivateLink

B. 亚马逊 Macie

C. Amazon CloudFront

D. 互联网网关

Amazon Bedrock官方文档提到，通过AWS PrivateLink可以创建VPC终端节点，使VPC内的资源与支持PrivateLink的服务建立私有连接，流量通过AWS网络传输，不经过公共互联网。

14、一家公司想要开发一个教育游戏，让用户回答如下问题:“一个罐里有六个红色、四个绿色和三个黄色的弹珠。从罐子里选出一颗绿色弹珠的概率有多大?哪种解决方案满足这些要求，且运营开销最小? C

A.使用监督式学习创建将预测概率的回归模型。

B.使用强化学习训练模型以返回概率。

C.使用通过使用简单规则和计算来计算概率的代码。

D.使用无监督学习创建估计概率密度的模型。

概率计算属于基础数学问题，可直接应用概率公式（有利事件数/总事件数）。问题中绿色弹珠4个，总弹珠数13个，概率为4/13。选项C利用简单规则计算，无需复杂模型或训练过程，运算效率最高。

15、哪个指标衡量 AI 模型的运行效率? C

A.客户满意度评分(CSAT)

B.每个 epoch 的训练时间

C.平均响应时间

D.训练实例数

AI模型的运行效率通常指处理请求的速度。平均响应时间反映模型从接收输入到产生输出的耗时，直接影响用户体验和系统性能。

16、一家公司正在构建一个联络中心应用程序，并希望从客户对话中获得见解。该公司希望从客户呼叫的音频中分析和提取关键信息。哪种解决方案满足这些要求? B

A.使用 Amazon Lex 构建对话式聊天机器人。

B.使用 Amazon Transcribe 转录通话录音。

C.使用 Amazon SageMaker Model Monitor从通话录音中提取信息。

D.使用 Amazon Comprehend 创建分类标。

题目场景需要将音频转换为文本以便后续分析。Amazon Transcribe设计用于语音转文本，符合题干转录通话录音需求。

17、一家公司拥有 PB 级的未标记客户数据，可用于广告活动。该公司希望将其客户分为多个层级，以宣传和推广公司的产品。公司应该使用哪种方法来满足这些要求? B

A.监督式学习

B.无监督学习

C.强化学习

D.来自人类反馈的强化学习(RLHF)

未标记数据的分组问题属于无监督学习范畴（如聚类算法）。

18、AI从业者希望使用基础模型(FM)来设计搜索应用程序。搜索应用程序必须处理包含文本和图像的查询。AI从业者应该使用哪种类型的 FM 来支持搜索应用程序? A

A.多模态嵌入模型

B.文本嵌入模型

C.多模态生成模型

D.图像生成模型

处理多模态查询的搜索应用需支持文本和图像的联合理解。多模态嵌入模型可将不同模态数据（如文本、图像）映射到共享向量空间，便于跨模态相似性计算。

19、一家公司使用 Amazon Bedrock 的基础模型(FM)作为 AI搜索工具。该公司希望使用公司的数据对模型进行微调，使其更加准确。哪种策略将成功微调模型? A

A.为标记的数据提供提示字段和完成字段。

B.通过创建包含多行 .csv 格式的 .txt 文件来准备训练数据集。

C.购买 Amazon Bedrock 的预置吞吐量。

D.在期刊和教科书上训练模型。

在Amazon Bedrock中，微调基础模型需要提供符合格式要求的训练数据。根据官方文档，微调过程通常需要结构化的监督学习数据集，其中包含输入（提示字段）和预期输出（完成字段）。选项A描述了将标记数据组织为提示和完成字段，直接对应微调所需的数据格式。

20、一家公司希望使用 AI来保护其应用程序免受威胁。AI解决方案需要检查IP 地址是否来自可疑来源。哪种解决方案满足这些要求? C

A.构建语音识别系统。

B.创建自然语言处理(NLP)命名实体识别系统。

C.开发异常检测系统。

D.创建欺诈预测系统。

异常检测系统用于识别偏离正常模式的行为或活动，适用于网络安全中检测可疑IP地址。

21、Amazon OpenSearch Service 的哪些功能使公司能够构建矢量数据库应用程序? C

A.与 Amazon S3 集成以进行对象存储

B.支持地理空间索引和查询B

C.可扩展的索引管理和最近邻搜索功能

D.能够对流数据执行实时分析

Amazon OpenSearch Service 提供的可扩展索引管理能力允许处理大规模高维向量数据，而最近邻搜索（k-NN）功能直接支持向量相似性计算，这是矢量数据库的核心需求。

22、哪个选项是生成式 A1 模型的用例? B

A.使用入侵检测系统提高网络安全性

B.从文本描述创建逼真的图像以进行数字营销

C.使用优化索引提高数据库性能

D.分析财务数据以预测股票市场趋势

生成式AI模型的核心能力在于根据输入生成新内容。选项B描述的场景涉及将文本转化为图像，这正是生成式模型（如DALL-E、Stable Diffusion）的典型应用，通过理解文本语义创造出原本不存在的高质量视觉内容。

23、一家公司希望使用 Amazon Bedrock构建生成式AI应用程序，需要选择基础模型(FM)。该公司想知道一个提示可以容纳多少信息。哪些考虑因素将影响公司的决策? B

A、温度

B、上下文窗口

C、批量大小

D、型号尺寸

在构建生成式AI应用时，提示能容纳的信息量直接由模型的上下文窗口决定。上下文窗口指模型单次处理的最大输入长度（如token数），超出部分无法被处理。

24、一家公司想制作一个聊天机器人来帮助客户。聊天机器人将帮助解决技术问题，无需人工干预。该公司为聊天机器人选择了基础模型(FM)。聊天机器人需要生成符合公司基调的响应。哪种解决方案满足这些要求? C

A. 设置 FM 可以产生的代币数量的下限。

B. 使用批量推理处理详细的响应。

C. 实验并优化提示，直到 FM 产生所需的响应。

D. 为 temperature 参数定义一个更大的数字。

该问题围绕如何调整基础模型（FM）以生成符合公司特定基调的响应。正确解决方案需要在不依赖人工干预的情况下对齐模型输出与公司风格。选项C通过针对性调整提示直接引导模型生成符合预期的语调，符合NLP实践中利用提示工程控制输出的典型策略。

25、一家公司希望在 Amazon Bedrock上使用大型语言模型(LLM)进行情绪分析。该公司希望将文本段落的情绪分类为积极或消极。哪种提示工程策略满足这些要求? A

A.在提示中提供带有相应正标签或负标签的文本段落示例，然后是要分类的新文本段落。

B.提供情绪分析的详细说明以及 LLM 在提示中的工作原理。

C.提供要分类的新文本段落，无需任何其他上下文或示例。

D.为新的文本段落提供一些不相关的任务示例，例如文本摘要或问答。

情绪分析任务中，有效的提示工程策略需明确引导模型执行特定分类。Amazon Bedrock的文档及LLM最佳实践指出，使用示例演示（few-shot learning）能显著提高模型对任务的准确理解。选项A通过提供带标签的示例，直接为模型建立输入与期望输出的映射关系，减少歧义。